CN112863499A - 语音识别方法及装置、存储介质 - Google Patents
语音识别方法及装置、存储介质 Download PDFInfo
- Publication number
- CN112863499A CN112863499A CN202110041968.9A CN202110041968A CN112863499A CN 112863499 A CN112863499 A CN 112863499A CN 202110041968 A CN202110041968 A CN 202110041968A CN 112863499 A CN112863499 A CN 112863499A
- Authority
- CN
- China
- Prior art keywords
- voice data
- voice
- intention
- preset
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004044 response Effects 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 50
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 102220171488 rs760746448 Human genes 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本公开是关于一种语音识别方法及装置、存储介质。包括：接收输入的语音数据；确定所述语音数据对应的文本长度是否大于预设长度阈值；若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。通过该方法，能提升意图是否明确判别的准确率。
Description
技术领域
本公开涉及智能语音技术领域，尤其涉及一种语音识别方法及装置、存储介质。
背景技术
随着计算机和人工智能技术的飞速发展，智能语音对话也得到极大的发展。用户通过语音来向智能语音助手(语音设备中的应用)传达自己的需求，例如数值计算、天气查询和智能家居控制等。
智能语音助手在接收到用户的语音后，通过自动语音识别(Automatic SpeechRecognition，ASR)技术，将语音转化为文本，通过后台的自然语言处理(Natural LanguageProcessing，NLP)技术来对用户的需求进行分析，例如识别用户的意图。
发明内容
本公开提供一种语音识别方法及装置、存储介质。
根据本公开实施例的第一方面，提供一种语音识别方法，包括：
接收输入的语音数据；
确定所述语音数据对应的文本长度是否大于预设长度阈值；
若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；
根据所述困惑度值确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述根据所述困惑度值确定所述语音数据是否为意图不明的语音，包括：
若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；
或者，
若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；
根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述方法还包括：
获取所述语音数据对应的文本包括的关键词信息；
所述若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度，包括：
若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
在一些实施例中，所述第二语言模型为采用CNN网络训练的模型。
在一些实施例中，所述第一语言模型为采用BERT网络训练的模型。
在一些实施例中，所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；
若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
在一些实施例中，所述方法还包括：
对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述方法还包括：
若确定所述语音数据为意图不明的语音，输出预设的应答回复。
根据本公开实施例的第二方面，提供一种语音识别装置，包括：
接收模块，配置为接收输入的语音数据；
第一判断模块，配置为确定所述语音数据对应的文本长度是否大于预设长度阈值；
第二判断模块，配置为若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
第三判断模块，配置为若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述第三判断模块，具体配置为若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；根据所述困惑度值确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述第三判断模块，具体配置为若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；或者，若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述装置还包括：
第一获取模块，配置为获取所述语音数据对应的文本包括的关键词信息；
所述第三判断模块，具体配置为若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
在一些实施例中，所述第二语言模型为采用CNN网络训练的模型。
在一些实施例中，所述第一语言模型为采用BERT网络训练的模型。
在一些实施例中，所述第二判断模块，具体配置为若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
在一些实施例中，所述装置还包括：
第二获取模块，配置为对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述第二判断模块，具体配置为若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述第三判断模块，具体配置为若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述装置还包括：
输出模块，配置为若确定所述语音数据为意图不明的语音，输出预设的应答回复。
根据本公开实施例的第三方面，提供一种语音识别装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如上述第一方面中所述的语音识别方法。
根据本公开实施例的第四方面，提供一种存储介质，包括：
当所述存储介质中的指令由计算机的处理器执行时，使得计算机能够执行如上述第一方面中所述的语音识别方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开根据语音数据对应的文本长度是否大于预设长度阈值，采用不同的规则来确定语音数据是否为意图不明的语音。由于语音数据的不同长度，提供的信息量是不同的，例如，较长的语音数据(文本长度大于或等于预设长度阈值的语音数据)中，文本长度更长，且上下文相互关联，能提供较多的信息量；而较短的语音数据(文本长度小于预设长度阈值的语音数据)中，文本长度本身较短，能提供的上下文关联信息也会较少，因而提供的信息量小，而不同的信息量对意图不明识别的贡献度是不一样的。基于此，本公开针对语音数据的文本长度，采用各自对应的规则来识别意图是否明确，能提升意图是否明确判别的正确率。
当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本公开实施例示出的一种语音识别方法流程图。
图2是本公开实施例示出的一种意图是否明确判别方案流程图。
图3是本公开实施例示出的一种BERT模型的网络结构图。
图4为本公开实施例示出的一种多特征融合判定语音数据意图是否明确的模型结构示例图。
图5为本公开一示例性实施例示出的一种语音识别方法的流程示例图。
图6是根据一示例性实施例示出的一种语音识别装置图。
图7是根据一示例性实施例示出的一种终端的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是本公开实施例示出的一种语音识别方法流程图，如图1所示，语音识别方法包括以下步骤：
S11、接收输入的语音数据；
S12、确定所述语音数据对应的文本长度是否大于预设长度阈值；
S13A、若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
S13B、若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
在本公开的实施例中，语音识别方法可应用于终端语音设备中，也可应用于服务器中。若语音识别方法应用于终端语音设备中，语音设备支持语音采集和音频输出的功能，在此基础上能实现人机间的语音交互。语音设备包括：智能手机、智能音箱或支持语音交互功能的可穿戴设备等。
例如，以语音设备是智能音箱为例，可以基于智能音箱所包含的语音采集组件采集用户输入的语音数据，并基于智能音箱的分析处理，通过智能音箱的语音输出组件输出采集的语音数据所对应的响应信息。智能音箱的语音采集组件可以是麦克风，智能音箱的语音输出组件可以是扬声器。
若语音识别方法应用于服务器中，可以是服务器接收语音设备采集的语音数据并执行后续处理。在本公开的实施例中，以语音识别方法应用于语音设备中为例进行说明。
在步骤S11至S12中，语音设备接收到语音数据后，会确定语音数据对应的文本长度是否大于预设长度阈值。其中，语音数据对应的文本长度可以是采用ASR技术将语音数据转化为文本后再确定的文本长度。预设长度阈值可以是对大量语音数据进行意图是否明确判别后，确定文本长度前后的语音数据的意图是否明确的判别正确率有明显差异时对应的长度。
在步骤S13A中，若语音数据对应的文本长度小于预设长度阈值，则根据第一规则确定语音数据是否为意图不明的语音；在步骤S13B中，若语音数据对应的文本长度大于或等于预设长度阈值，则根据第二规则确定语音数据是否为意图不明的语音。即本公开根据语音数据对应的文本长度，采用不同的规则来确定语音数据是否为意图不明的语音。
例如，语音数据是“今天天气怎样”，该语音数据的意图是询问天气的意图，该语音数据的意图明确；而若语音数据是“我们天气”，该语音数据可能属于意图不明的语音。
相关技术中，意图是否明确的识别方案相对单一，图2是本公开实施例示出的一种意图是否明确判别方案流程图，如图2所示，在步骤S101中通过语言模型计算句子困惑度值，随后在步骤S102中根据困惑度值来确定句子是否是无意义类型。该种处理方式中，未说明语言模型具体如何实现的，针对所有输入的句子可能都采用了同样的方案。可以理解的是，该种方案没根据句子特点做针对性的处理，存在意图不明识别正确率可能不高的问题。
相对的，本公开根据语音数据对应的文本长度是否大于预设长度阈值，采用不同的规则来确定语音数据是否为意图不明的语音。由于语音数据的不同长度，提供的信息量是不同的，例如，较长的语音数据(文本长度大于或等于预设长度阈值的语音数据)中文本长度更长，且上下文相互关联，能提供较多的信息量；而较短的语音数据(文本长度小于预设长度阈值的语音数据)中，文本长度本身较短，能提供的上下文关联信息也会较少，因而提供的信息量小，而不同的信息量对意图不明识别的贡献度是不一样的。基于此，本公开针对语音数据的文本长度，采用各自对应的规则来识别意图是否明确，能提升意图是否明确判别的正确率。
在一些实施例中，所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；
根据所述困惑度值确定所述语音数据是否为意图不明的语音。
在该实施例中，若语音数据的文本长度大于或等于预设长度阈值，则将语音数据输入到计算困惑度值的第一语言模型获得当前语音数据的困惑度值，该第一语言模型可以是对大量语音数据样本进行训练获得。在本公开的实施例中，基于第一语言模型获得的困惑度值是用来衡量输入的语音数据为意图不明语音数据的概率，困惑度值越大，则说明语音数据为意图不明语音的可能性越大，困惑度值越小，则说明语音数据为意图不明语音的可能性越小。
在一些实施例中，所述根据所述困惑度值确定所述语音数据是否为意图不明的语音，包括：
若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；
或者，
若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；
根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
在该实施例中，当通过第一语言模型获得的困惑度值大于预设困惑度阈值时，则确定语音数据为意图不明的语音，而当困惑度值小于或等于预设困惑度阈值时，并非直接确定语音数据为意图明确的语音，而是再至少将语音数据输入第二语言模型确定语音数据为无意义语音的置信度，再根据无意义语音的置信度来确定语音数据是否为意图不明的语音。
如前所述的，困惑度值越小，说明语音数据为意图不明语音的可能性越小，而考虑到单一模型的判别结果并不能做到百分之百的准确，因而本公开在语音数据的困惑度值小于或等于预设困惑度阈值时，继续至少通过第二语言模型确定语音数据为无意义语音的置信度，从而根据置信度来确定语音数据是否为意图不明的语音。通过该种多模型结合的方式，能进一步提升识别意图是否明确的准确性。
在该实施例中，所述根据无意义语音的置信度，确定所述语音数据是否为意图不明的语音，包括：
若所述置信度大于预设置信度阈值，确定所述语音数据为意图不明的语音；
若所述置信度小于或等于所述预设置信度阈值，确定所述语音数据为意图明确的语音。
在一些实施例中，所述方法还包括：
获取所述语音数据对应的文本包括的关键词信息；
所述若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度，包括：
若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
在该实施例中，还可获取语音数据对应的文本所包括的关键词信息，该关键词信息可以是与语音数据所表达的意图最相关的词，例如是语音数据中出现频率较高的词，或者属于预定的名词库或动词库中的词等，该关键词信息可用于表征意图信息或类型，为触发意图的关键信息，例如关键词可以是地点、时间等槽位信息。
在获取到语音数据所包括的关键词信息后，本公开即可在困惑度值小于或等于预设困惑度阈值时，将关键词信息和/或困惑度值，以及语音数据输入第二语言模型，确定语音数据为无意义语音的置信度。
具体的，第二语言模型可以是基于训练用的语音数据，以及语音数据中的关键词信息训练而成的模型，因而在将关键词信息和语音数据输入到该第二语言模型时，可获得输入语音数据为无意义语音的置信度。
此外，第二语言模型还可以是基于训练用的语音数据，以及输入的困惑度值训练而成的模型。例如，模型中对于困惑度值小于另一预设困惑度阈值时，对基于语音数据本身获得的无意义语音的置信度乘以第一权重作为最终由第二语言模型输出的无意义语音的置信度；而对于困惑度值大于或等于所述另一预设困惑度阈值时，对基于语音数据本身获得的无意义语音的置信度乘以第二权重作为最终由第二语言模型输出的无意义语音的置信度；其中，第一权重小于第二权重。
需要说明的是，本公开在将关键词信息和困惑度值，以及语音数据共同输入第二语言模型时，可将上述描述的两种方式进行结合，此处本公开不再详述。
在一些实施例中，所述第二语言模型为采用CNN网络训练的模型。
在本公开实施例中，第二语言模型为基于卷积神经网络(Convolutional NeuralNetworks，CNN)训练获得的模型，但需要说明的是，本公开的第二语言模型并不限定于CNN，还可以是基于深度神经网络(Deep Neural Network，DNN)训练获得的模型。
可以理解的是，在该实施例中，在困惑度值小于或等于预设困惑度阈值时，在第二语言模型的基础上，再结合关键词信息和/或困惑度值一起来确定语音数据是否为意图不明的语音。通过该种多特征多规则结合的方式，能极大提升识别意图是否明确的准确性。
在一些实施例中，所述第一语言模型为采用BERT网络训练的模型。
BERT是一种具有双向深度的神经网络模型，图3是本公开实施例示出的一种BERT模型的网络结构图，如图3所示，BERT模型允许使用双向Transformer编码器，同时利用左侧和右侧的信息从而进行双向训练来提升精度，使得最终生成能融合左右上下文信息的深层双向语言表征。如下公式(1)为BERT模型中损失函数的计算公式：
其中，wi为当前预测的词，该词可以和左右两个方向的上下文信息相结合来计算损失值，模型通过不断优化损失值(使损失值最小)从而获得训练好的模型。
如下公式(2)为传统的循环神经网络(Recurrent Neural Network，RNN)模型中损失函数的计算公式：
在RNN模型中，预测词仅和上文信息相结合来计算损失值来训练模型。
由于在该实施中，语音数据的文本长度大于或等于预设长度阈值，如前所述的，语音数据中词数量较多，且各词上下相互关联，能提供较多的信息量，因而适用于使用BERT模型。基于此，本公开采用BERT模型，相对于单向模型，能获得精准度更好的第一语言模型，因而在利用第一语言模型来确定语音数据的意图时，能获得更精确的判断结果。
在一些实施例中，所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；
若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
在该实施例中，若语音数据对应的文本长度小于预设长度阈值，则将语音数据输入预设意图不明数据库，通过数据匹配的方式来确定语音数据是否为意图不明的语音。
需要说明的是，在本公开的实施例中，预设意图不明数据库可以是离线挖掘方式确定的数据库，该预设意图不明数据库中的数据均为意图不明数据。在离线挖掘建立预设意图不明数据库时，可将语音设备接收的但没能给出响应的语音数据存储，并经过人工筛选后建立预设意图不明数据库。
相关技术中，对于短文本，没有特别的处理，和长文本一样输入语言模型。而实际上由于短文本信息量小，很难使用语言模型或者其他模型进行识别，因而识别的精准度较差。而本公开，对于文本长度小于预设长度阈值的短文本，基于与预设意图不明数据库中的数据来匹配确定是否为意图不明的语音，能提升针对短文本识别意图是否明确的准确性。
在一些实施例中，所述方法还包括：
对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
在该实施例中，对语音数据进行意图识别，以获取表征语音数据的意图清晰度的意图评分值，并根据语音数据的文本长度，将意图评分值与第一规则或第二规则结合来确定语音数据是否为意图不明的语音。例如，本公开通过自然语言理解(Natural LanguageUnderstanding，NLU)技术来对语音和数据的意图清晰度进行打分。例如，如前所述的“我们天气”的意图评分值可能为0.5分，而“今天天气怎样”的意图评分值可能为0.95分。
在一些实施例中，结合意图评分值与第一规则或第二规则确定语音数据是否为意图不明的语音时，可以将意图评分值与预设意图评分阈值进行比较，当意图评分值小于预设意图评分阈值时，且第一规则或第二规则确定语音数据的意图不明时，才确定语音数据为意图不明的语音。但需要说明的是，本公开并不限定于该种结合方式，意图评分值和第一规则或第二规则的任一结合方式都在本公开的保护范围之类。例如，可分配第一规则或第二规则的输出结果乘以第三权重，而意图评分值乘以第四权重获得最终分值，并根据最终分值来确定语音数据是否为意图不明语音。在一些实施例中，当将意图评分值和第一规则结合时，例如，当语音数据和预设意图不明数据库中的数据匹配，且意图评分值小于预设意图评分阈值时，才确定语音数据为意图不明数据。
需要说明的是，在本公开的实施例中，意图不明数据库可以是结合意图识别技术获得的。例如，对大量的语音数据先分别进行意图识别，基于意图评分值过滤出低分的语音数据，随后对这些低分的语音数据进行词性标注，过滤掉语音数据中的有明确意义的实体词后作为挖掘数据来形成本公开的预设意图不明数据库。
可以理解的是，通过结合意图识别的方式进行离线挖掘形成意图不明数据库，无需人工逐条核实语音数据是否明确，通过意图识别进行初步过滤，再结合词性标注进行二次过滤的方式，极大提升了意图不明数据库形成的效率，增强了对于较短语音文本意图识别的准确率。
在一些可能的实施方式中，若第二规则为：在根据第一语言模型确定困惑度值小于或等于预设困惑度阈值时，至少将语音数据输入到第二语言模型获取无意义语音的置信度，再将意图评分值和第二规则结合时，可以将意图评分值、关键词信息、困惑度值以及语音数据共同输入到第二语言模型(例如CNN网络训练的模型)。第二语言模型中，例如可根据意图评分值和/或困惑度值分配对应的卷积核(即不同的意图评分值和/或困惑度值对应的卷积核可不同)，并进一步利用分配好的卷积核对语音数据和关键词信息进行卷积从而获得语音数据为无意义语音的置信度，并根据无意义语音的置信度，确定语音数据是否为意图不明的语音。
图4为本公开实施例示出的一种多特征融合判定语音数据意图是否明确的模型结构示例图，该模型结构适用于本公开的第二语言模型。如图4所示，对于输入的语音数据，在获取对应的文本矩阵后，通过卷积层获得卷积结果，卷积结果经过池化层降维后，在全连接层结合了自然语言处理特征，例如意图评分值，并获得最终的表征语音数据为无意义语音的置信度。
可以理解的是，本公开通过意图识别方式获得意图评分值，并根据文本长度将意图评分值结合到第一规则或第二规则来综合确定语音数据是否为意图不明语音，即采用多特征融合的方式，能极大提升识别意图是否明确的准确性。
在一些实施例中，所述方法还包括：
若确定所述语音数据为意图不明的语音，输出预设的应答回复。
在本公开的实施例中，在确定语音数据为意图不明的语音后，即输出预设的应答回复，例如该预设的应答回复为“请您再说一遍”，从而避免由于音频不清晰、音频截断、内容无意义等导致不能完整理解用户意图，而引起小爱乱搭话的现象。通过该种在意图不明时给出预设的应答回复的方式，能通过给予引导的方式提升响应成功率，且给出统一的回复，也能给用户统一的体验感，从而使得用户语音交互的体验更佳。
需要说明的是，本公开中，当确定语音数据为意图明确的语音时，可根据语音数据的内容输出对应的响应。
图5为本公开一示例性实施例示出的一种语音识别方法的流程示例图，如图5所示，语音识别方法包括如下步骤：
S21、接收输入的语音数据。
S22、对语音数据进行自然语言理解处理。
在该实施例中，对语音数据进行自然语言理解处理，包括获取语音数据对应的文本，还包括对语音数据进行意图识别，获取语音数据的意图评分值。
S23、判断长度；若属于短语音，执行步骤S24；若属于长语音，执行步骤S26。
在该实施例中，判断长度可以是将语音数据对应的文本长度与预设长度阈值进行比较，若语音数据对应的文本长度小于预设长度阈值，则确定为短语音；若语音数据对应的文本长度大于或等于预设长度阈值，则确定为长语音。
S24、对语音数据做挖掘匹配。
在该实施例中，对语音数据做挖掘匹配，即将语音数据输入预设意图不明数据库，确定语音数据是否与预设意图不明数据库中的数据匹配。
S25、若匹配成功，确定语音数据为无意义语音。
在该实施例中，若语音数据与预设意图不明数据库中的数据匹配，确定语音数据为无意义语音，即确定语音数据为意图不明的语音。
S26、若匹配不成功，将语音数据输入语言模型进行识别，获得语音数据的困惑度值。
在该实施例中，若语音数据与预设意图不明数据库中的数据匹配不成功，将语音数据输入语言模型进行识别，即将语音数据输入第一语言模型，确定语音数据的困惑度值。
S27、若属于高困惑度值，则确定语音数据为无意义语音。
在该实施例中，在获得困惑度值后，将困惑度值与预设困惑度值进行比较，若困惑度值大于预设困惑度阈值，则属于高困惑度值，此时确定语音数据为意图不明的语音。
S28、若属于低困惑度值，则将语音数据输入无意义分类模型进行识别，获得语音数据的置信度。
在该实施例中，若困惑度值小于或等于预设困惑度阈值，则属于低困惑度值。此时将语音数据输入无意义分类模型进行识别，即将语音数据输入第二语言模型，确定语音数据为无意义语音的置信度。需要说明的是，本公开也可将意图评分值和语音数据共同输入无意义分类模型进行识别，获得语音数据的置信度。
S29、若属于高置信度，则确定语音数据为无意义语音。
在该实施例中，若语音数据的置信度大于预设置信度阈值，则属于高置信度，确定语音数据为意图不明的语音。
S30、若属于低置信度，则确定语音数据为有意义语音。
在该实施例中，若语音数据的置信度小于或等于预设置信度阈值，则属于低置信度，确定语音数据为意图明确的语音。
可以理解的是，本公开根据语音数据对应的文本长度采用多种规则结合逐层来确定语音数据是否为意图不明的语音，能极大提升意图是否明确判别的正确率。
图6是根据一示例性实施例示出的一种语音识别装置图。参照图6，该语音识别装置包括：
接收模块201，配置为接收输入的语音数据；
第一判断模块202，配置为确定所述语音数据对应的文本长度是否大于预设长度阈值；
第二判断模块203，配置为若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
第三判断模块204，配置为若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述第三判断模块204，具体配置为若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；根据所述困惑度值确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述第三判断模块204，具体配置为若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；或者，若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述装置还包括：
第一获取模块205，配置为获取所述语音数据对应的文本包括的关键词信息；
所述第三判断模块204，具体配置为若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
在一些实施例中，所述第二语言模型为采用CNN网络训练的模型。
在一些实施例中，所述第一语言模型为采用BERT网络训练的模型。
在一些实施例中，所述第二判断模块203，具体配置为若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
在一些实施例中，所述装置还包括：
第二获取模块206，配置为对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述第二判断模块203，具体配置为若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述第三判断模块204，具体配置为若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
在一些实施例中，所述装置还包括：
输出模块207，配置为若确定所述语音数据为意图不明的语音，输出预设的应答回复。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种终端的框图。例如，终端装置800可以是智能音箱、智能手机等。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如Wi-Fi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他语音元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行语音识别方法，所述方法包括：
接收输入的语音数据；
确定所述语音数据对应的文本长度是否大于预设长度阈值；
若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (20)
1.一种语音识别方法，其特征在于，包括：
接收输入的语音数据；
确定所述语音数据对应的文本长度是否大于预设长度阈值；
若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
2.根据权利要求1所述的方法，其特征在于，所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；
根据所述困惑度值确定所述语音数据是否为意图不明的语音。
3.根据权利要求2所述的方法，其特征在于，所述根据所述困惑度值确定所述语音数据是否为意图不明的语音，包括：
若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；
或者，
若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；
根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述语音数据对应的文本包括的关键词信息；
所述若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度，包括：
若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
5.根据权利要求3所述的方法，其特征在于，所述第二语言模型为采用CNN网络训练的模型。
6.根据权利要求2所述的方法，其特征在于，所述第一语言模型为采用BERT网络训练的模型。
7.根据权利要求1所述的方法，其特征在于，所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；
若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音，包括：
若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若确定所述语音数据为意图不明的语音，输出预设的应答回复。
10.一种语音识别装置，其特征在于，包括：
接收模块，配置为接收输入的语音数据；
第一判断模块，配置为确定所述语音数据对应的文本长度是否大于预设长度阈值；
第二判断模块，配置为若所述语音数据对应的文本长度小于所述预设长度阈值，根据第一规则确定所述语音数据是否为意图不明的语音；
第三判断模块，配置为若所述语音数据对应的文本长度大于或等于所述预设长度阈值，根据第二规则确定所述语音数据是否为意图不明的语音。
11.根据权利要求10所述的装置，其特征在于，
所述第三判断模块，具体配置为若所述文本长度大于或等于所述预设长度阈值，将所述语音数据输入第一语言模型，确定所述语音数据的困惑度值；根据所述困惑度值确定所述语音数据是否为意图不明的语音。
12.根据权利要求11所述的装置，其特征在于，
所述第三判断模块，具体配置为若所述困惑度值大于预设困惑度阈值，确定所述语音数据为意图不明的语音；或者，若所述困惑度值小于或等于预设困惑度阈值，至少将所述语音数据输入第二语言模型，确定所述语音数据为无意义语音的置信度；根据所述无意义语音的置信度，确定所述语音数据是否为意图不明的语音。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括：
第一获取模块，配置为获取所述语音数据对应的文本包括的关键词信息；
所述第三判断模块，具体配置为若所述困惑度值小于或等于预设困惑度阈值，将所述关键词信息和/或所述困惑度值，以及所述语音数据输入所述第二语言模型，确定所述语音数据为无意义语音的置信度。
14.根据权利要求13所述的装置，其特征在于，所述第二语言模型为采用CNN网络训练的模型。
15.根据权利要求12所述的装置，其特征在于，所述第一语言模型为采用BERT网络训练的模型。
16.根据权利要求10所述的装置，其特征在于，
所述第二判断模块，具体配置为若所述文本长度小于所述预设长度阈值，将所述语音数据输入预设意图不明数据库，确定所述语音数据是否与所述预设意图不明数据库中的数据匹配；若所述语音数据与所述预设意图不明数据库中的数据匹配，确定所述语音数据为意图不明的语音。
17.根据权利要求10至16中任一项所述的装置，其特征在于，所述装置还包括：
第二获取模块，配置为对所述语音数据进行意图识别，获取所述语音数据的意图评分值；其中，所述意图评分值表征所述语音数据的意图清晰度；
所述第二判断模块，具体配置为若所述文本长度小于所述预设长度阈值，结合所述意图评分值与所述第一规则确定所述语音数据是否为意图不明的语音；
所述第三判断模块，具体配置为若所述文本长度大于或等于所述预设长度阈值，结合所述意图评分值与所述第二规则确定所述语音数据是否为意图不明的语音。
18.根据权利要求10所述的装置，其特征在于，所述装置还包括：
输出模块，配置为若确定所述语音数据为意图不明的语音，输出预设的应答回复。
19.一种语音识别装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如权利要求1至9中任一项所述的语音识别方法。
20.一种非临时性计算机可读存储介质，当所述存储介质中的指令由计算机的处理器执行时，使得计算机能够执行如权利要求1至9中任一项所述的语音识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110041968.9A CN112863499B (zh) | 2021-01-13 | 2021-01-13 | 语音识别方法及装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110041968.9A CN112863499B (zh) | 2021-01-13 | 2021-01-13 | 语音识别方法及装置、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112863499A true CN112863499A (zh) | 2021-05-28 |
| CN112863499B CN112863499B (zh) | 2023-01-24 |
Family
ID=76003248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110041968.9A Active CN112863499B (zh) | 2021-01-13 | 2021-01-13 | 语音识别方法及装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112863499B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115048907A (zh) * | 2022-05-31 | 2022-09-13 | 北京深言科技有限责任公司 | 文本数据质量确定的方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160267905A1 (en) * | 2015-03-11 | 2016-09-15 | Microsoft Technology Licensing, Llc | Token-Level Interpolation For Class-Based Language Models |
| CN109783804A (zh) * | 2018-12-17 | 2019-05-21 | 北京百度网讯科技有限公司 | 低质言论识别方法、装置、设备及计算机可读存储介质 |
| CN109815314A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技（深圳）有限公司 | 一种意图识别方法、识别设备及计算机可读存储介质 |
| CN109992769A (zh) * | 2018-12-06 | 2019-07-09 | 平安科技（深圳）有限公司 | 基于语义解析的语句合理性判断方法、装置、计算机设备 |
| CN110162633A (zh) * | 2019-05-21 | 2019-08-23 | 深圳市珍爱云信息技术有限公司 | 语音数据意图确定方法、装置、计算机设备和存储介质 |
| CN110211571A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技（深圳）有限公司 | 错句检测方法、装置及计算机可读存储介质 |
| CN111382270A (zh) * | 2020-03-05 | 2020-07-07 | 中国平安人寿保险股份有限公司 | 基于文本分类器的意图识别方法、装置、设备及存储介质 |
| US20200242302A1 (en) * | 2019-01-29 | 2020-07-30 | Ricoh Company, Ltd. | Intention identification method, intention identification apparatus, and computer-readable recording medium |
| CN112100339A (zh) * | 2020-11-04 | 2020-12-18 | 北京淇瑀信息科技有限公司 | 用于智能语音机器人的用户意图识别方法、装置和电子设备 |
-
2021
- 2021-01-13 CN CN202110041968.9A patent/CN112863499B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160267905A1 (en) * | 2015-03-11 | 2016-09-15 | Microsoft Technology Licensing, Llc | Token-Level Interpolation For Class-Based Language Models |
| CN109992769A (zh) * | 2018-12-06 | 2019-07-09 | 平安科技（深圳）有限公司 | 基于语义解析的语句合理性判断方法、装置、计算机设备 |
| CN109783804A (zh) * | 2018-12-17 | 2019-05-21 | 北京百度网讯科技有限公司 | 低质言论识别方法、装置、设备及计算机可读存储介质 |
| CN109815314A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技（深圳）有限公司 | 一种意图识别方法、识别设备及计算机可读存储介质 |
| US20200242302A1 (en) * | 2019-01-29 | 2020-07-30 | Ricoh Company, Ltd. | Intention identification method, intention identification apparatus, and computer-readable recording medium |
| CN110211571A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技（深圳）有限公司 | 错句检测方法、装置及计算机可读存储介质 |
| CN110162633A (zh) * | 2019-05-21 | 2019-08-23 | 深圳市珍爱云信息技术有限公司 | 语音数据意图确定方法、装置、计算机设备和存储介质 |
| CN111382270A (zh) * | 2020-03-05 | 2020-07-07 | 中国平安人寿保险股份有限公司 | 基于文本分类器的意图识别方法、装置、设备及存储介质 |
| CN112100339A (zh) * | 2020-11-04 | 2020-12-18 | 北京淇瑀信息科技有限公司 | 用于智能语音机器人的用户意图识别方法、装置和电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115048907A (zh) * | 2022-05-31 | 2022-09-13 | 北京深言科技有限责任公司 | 文本数据质量确定的方法及装置 |
| CN115048907B (zh) * | 2022-05-31 | 2024-02-27 | 北京深言科技有限责任公司 | 文本数据质量确定的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112863499B (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113362812B (zh) | 一种语音识别方法、装置和电子设备 | |
| CN111583907A (zh) | 信息处理方法、装置及存储介质 | |
| CN107564526B (zh) | 处理方法、装置和机器可读介质 | |
| CN111128183B (zh) | 语音识别方法、装置和介质 | |
| WO2021031308A1 (zh) | 音频处理方法、装置及存储介质 | |
| CN111583923B (zh) | 信息控制方法及装置、存储介质 | |
| CN107274903B (zh) | 文本处理方法和装置、用于文本处理的装置 | |
| CN109471919B (zh) | 零代词消解方法及装置 | |
| CN111580773B (zh) | 信息处理方法、装置及存储介质 | |
| CN111583919A (zh) | 信息处理方法、装置及存储介质 | |
| CN110674246A (zh) | 问答模型训练方法、自动问答方法及装置 | |
| CN112133302B (zh) | 预唤醒终端的方法、装置及存储介质 | |
| CN107424612B (zh) | 处理方法、装置和机器可读介质 | |
| CN111199730B (zh) | 语音识别方法、装置、终端及存储介质 | |
| US20230064756A1 (en) | Streaming End-to-End Speech Recognition Method, Apparatus and Electronic Device | |
| CN111382748A (zh) | 图像翻译方法、装置及存储介质 | |
| CN112863499B (zh) | 语音识别方法及装置、存储介质 | |
| US12008988B2 (en) | Electronic apparatus and controlling method thereof | |
| CN113362813A (zh) | 一种语音识别方法、装置和电子设备 | |
| CN110858099B (zh) | 候选词生成方法及装置 | |
| CN112988956A (zh) | 自动生成对话的方法及装置、信息推荐效果检测方法及装置 | |
| CN111667829B (zh) | 信息处理方法及装置、存储介质 | |
| CN114462410A (zh) | 实体识别方法、装置、终端及存储介质 | |
| CN111580775B (zh) | 信息控制方法及装置、存储介质 | |
| CN115146633A (zh) | 一种关键词识别方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |